CN104992000B - 一种基于l型阵列天线的波束形成及波束图优化方法 - Google Patents
一种基于l型阵列天线的波束形成及波束图优化方法 Download PDFInfo
- Publication number
- CN104992000B CN104992000B CN201510341877.1A CN201510341877A CN104992000B CN 104992000 B CN104992000 B CN 104992000B CN 201510341877 A CN201510341877 A CN 201510341877A CN 104992000 B CN104992000 B CN 104992000B
- Authority
- CN
- China
- Prior art keywords
- mrow
- array
- beam pattern
- msub
- array element
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Abstract
一种基于L型阵列天线的波束形成及波束图优化方法,涉及天线的波束形成以及波束图优化领域。为了解决传统的L型阵列由于阵元数较少形成的波束图测角分辨率和测角精度不高的问题,本发明首先针对L型阵利用二维空间波束形成方法建立天线的波束图F,对L型阵列的阵列结构进行编码,然后对编码进行调整并构建适应度函数,以波束图性能为优化目标,利用遗传算法对L型阵列进行布阵进行优化,得到一个优化后非均匀L型阵列阵元排布;在此基础上,进一步建立适应度函数,利用遗传算法,针对L型阵列每个阵元计算最优的加权值w;将优化后非均匀L型阵列阵元排布和加权值w带入波束图F,完成波束图优化。本发明适用于L型阵列天线的波束形成及波束图的优化。
Description
技术领域
本发明涉及天线的波束形成以及波束图优化的方法。
背景技术
近年来,使用线性阵列测量角度信息的技术得到了飞快的发展,然而线性阵列测角存在着它的局限性,即只能得到一维的角度信息。对于信号的二维角度信息,必须使用面阵进行测量。根据华英博等人在1991年的研究表明,对于二维角的测量,L型阵列比其他的简单二维阵(如环形阵,十字阵等)具有更高的潜在测角精确度。同时,由于L型阵列还具有结构简单,易于布阵等优点而成为研究热点。然而L型阵列存在一个严重的问题,相比于均匀矩形二维阵来说,L型阵列的直接波束形成方向图性能较差,它的测角分辨率和测角精度由于阵元数较少的缘故并不理想。针对L型阵列的这一个缺点,对L型阵列进行波束形成以及波束图优化的意义十分重要,通过对L型阵列进行布阵优化,可以进一步的增强L型阵列结构简单,阵元数目少的优势,同时也可以改善L型阵列的劣势,即使得其波束形成方向图的性能得到优化。
发明内容
本发明的目的是为了解决传统的L型阵列由于阵元数较少形成的波束图测角分辨率和测角精度不高的问题。
一种基于L型阵列天线的波束形成及波束图优化方法,包括下述步骤:
步骤1:将矩形阵中央部分阵元除去,只保留相邻边界两列阵元所得到的阵列基本结构即为L型阵列;建立一个空间直角坐标系xyz,设天线阵列存在于xy轴组成的平面内,L型阵列的两列阵元分别与x轴,y轴重合,由空间坐标为P(θk,φk,r)入射的某一波束与y、z轴的夹角分别为θk,φk;θk命名为入射信号的俯仰角,φk命名为入射信号的方位角,r是目标到原点的距离;
步骤2:利用二维空间波束形成方法建立天线的波束图F,如公式(1)所示;
其中,J和K分别是x轴、y轴上的阵元个数;i是复数;λ是接收信号的波长;X、Y是波束图的坐标(波束图为若干个点组成,X、Y是波束图每个点的坐标);dx、dy分别是x轴、y轴上阵元间的单位距离间隔;*表示相乘;θk、分别为入射信号的俯仰角与方位角;w为各阵元对应的加权值;
步骤3:通过L型阵列的阵元数算出阵列最大口径Da,然后对L型阵列的阵列结构进行编码、调整,将结构信息转化为数字信息,并且保存为遗传算法的初始种群,构建适应度函数,利用遗传算法对初始种群进行遗传操作,以波束图性能为优化目标对L型阵列进行布阵优化,遗传数代后,得到一个优化后非均匀L型阵列阵元排布;
在遗传过程中,初始的第一代种群由编码得到,之后每进行一代遗传时,进行一次调整,并对这代遗传基因构建一次适应度函数;
步骤4:在步骤3已经得到阵列排布的基础上,进一步建立适应度函数,利用遗传算法,针对L型阵列每个阵元计算最优的加权值w;
将步骤3得到的阵列排布带入公式(1);将得到L型阵列每个阵元的加权值w带入公式(1),计算出相同阵元条件下性能最优的波束图F,完成波束图优化。
步骤4使用的适应度函数与步骤3中阵元结构优化时使用的适应度函数相同,因为这两步优化的关系是递进的,步骤4优化的目的是使得步骤3优化的结果得到进一步优化,若两次优化的适应度函数不同,这种递进式的优化是无法达成且没有意义的。
本发明具有以下有益效果:
本发明基于遗传算法对结构阵列进行了多次优化,解决了传统的L型阵列由于阵元数较少形成的波束图测角分辨率和测角精度不高的问题;波束图中主瓣宽度越窄,测角分辨率越高,最高旁瓣水平越低测角精度越高,本发明的测角分辨率和测角精度可以得到很大优化,优化后的主瓣宽度可以达到到原来的3%,最高旁瓣水平可以比优化前降低约2db。而且在实际的工程中利用L型阵列进行测角时,利用本发明公布的方法可以得到相同阵元条件下最佳的阵列布阵方式以及加权方法,由于优化过程中没有增加阵元,所以对于实际雷达阵的规模与成本没有影响。
附图说明
图1为L型阵列示意图;
图2为空间坐标一点入射的某一波束与x、y、z轴的夹角示意图;
图3为13*13均匀矩形阵得到的波束图;
图4为13-13L型阵列得到的波束图;
图5为本发明得到的波束图。
具体实施方式
具体实施方式一,一种基于L型阵列天线的波束形成及波束图优化方法,包括下述步骤:
步骤1:将矩形阵中央部分阵元除去,只保留相邻边界两列阵元所得到的阵列基本结构即为L型阵列,如图1所示;建立一个空间直角坐标系xyz,设天线阵列存在于xy轴组成的平面内,L型阵列的两列阵元分别与x轴,y轴重合,由空间坐标为P(θk,φk,r)入射的某一波束与y、z轴的夹角分别为θk,φk;θk命名为入射信号的俯仰角,φk命名为入射信号的方位角,r是目标到原点的距离,如图2所示;
步骤2:利用二维空间波束形成方法建立天线的波束图F,如公式(1)所示;
其中,J和K分别是x轴、y轴上的阵元个数;i是复数;λ是接收信号的波长;X、Y是波束图的坐标(波束图为若干个点组成,X、Y是波束图每个点的坐标);dx、dy分别是x轴、y轴上阵元间的单位距离间隔;*表示相乘;θk、分别为入射信号的俯仰角与方位角;w为各阵元对应的加权值;
步骤3:通过L型阵列的阵元数算出阵列最大口径Da,然后对L型阵列的阵列结构进行编码、调整,将结构信息转化为数字信息,并且保存为遗传算法的初始种群,构建适应度函数,利用遗传算法对初始种群进行遗传操作,以波束图性能为优化目标对L型阵列进行布阵优化,遗传数代后,得到一个优化后非均匀L型阵列阵元排布;
在遗传过程中,初始的第一代种群由编码得到,之后每进行一代遗传时,进行一次调整,并对这代遗传基因构建一次适应度函数;
步骤4:在步骤3已经得到阵列排布的基础上,进一步建立适应度函数,利用遗传算法,针对L型阵列每个阵元计算最优的加权值w;
将步骤3得到的阵列排布带入公式(1);将得到L型阵列每个阵元的加权值w带入公式(1),计算出相同阵元条件下性能最优的波束图F,完成波束图优化。
步骤4使用的适应度函数与步骤3中阵元结构优化时使用的适应度函数相同,因为这两步优化的关系是递进的,步骤4优化的目的是使得步骤3优化的结果得到进一步优化,若两次优化的适应度函数不同,这种递进式的优化是无法达成且没有意义的。
由于优化过程中没有增加阵元,所以对于实际雷达阵的规模与成本没有影响。
具体实施方式二,本实施方式所述步骤3中阵列最大口径Da的计算步骤如下:
针对J_K阵列的L型阵列,利用公式(2)来分别计算阵列x轴和y轴的阵列最大口径:
式中:N=J或者K,表示x轴或y轴的阵元个数;NR表示冗余的数目。
NR通过查表1得出
表1 N和NR对照表
其它步骤和参数与具体实施方式一相同。
具体实施方式三:本实施方式所述步骤3中对L型阵列的阵列结构进行编码、调整的具体实施步骤如下:
步骤3.1:针对J_K阵列的L型阵列进行编码:
将L型阵列看做一个染色体,针对J_K阵列,在形成个体的基因时,用J+K组随机生成的二进制字符串来表示该J_K阵列,二进制数字串的位数为Na,把每一个二进制字符串称为染色体上的一个基因;每个二进制字符串所代表的意义是该阵元和前一个阵元的阵元间距,利用上述方法生成J+K个基因,作为遗传算法的初始种群保存,用遗传算法对于初始种群进行遗传操作;
步骤3.2:当进行遗传操作时,对每代J+K个阵元间距D进行调整:
当进行遗传操作时,将每代J+K个二进制字符串转化为十进制数字,十进制数字的值代表该阵元和前一阵元的阵元间距;二进制字符串转化十进制数字可以利用公式(3)来进行计算,即将二进制字符串还原后得到阵元间距D;
其中,N7代表的是随机生成的二进制字符串,|·|代表取整,Da是阵列最大口径;Na为二进制字符串位数;
由于给定阵列最大口径Da以后,向阵列中排一个阵元是可以随机排布在阵列口径允许范围内的任意一个位置的,因此阵元间距的范围也为0-Da;
因为设定单个阵元的阵元间距范围为0-Da,若有多个阵元间距较大则会造成x轴或y轴的总体口径大于阵列最大口径Da,这与的限定条件是不符合的;因此在计算前J个阵元的位置时,生成每个阵元间距D后并对其进行计数,累计计算出整体口径的值,若阵元间距D的累计值即将超出阵列最大口径Da,则强制性的将后面阵元的阵元间距都调整为1,以满足口径范围的要求;即对生成阵元间距D时,若前δ个阵元间距D的累计值小于Da,且前δ+1个阵元间距D的累计值大于等于Da;则将第δ个后的阵元间距D都调整为1;
对后K个阵元的调整方法与前J个阵元相同;
步骤3.3:当进行遗传操作时,初始的第一代种群由编码得到,同时进行一次调整,并对这代遗传基因构建一次适应度函数;之后每进行一代遗传时,进行一次调整,并对这代遗传基因构建一次适应度函数;遗传数代后得到最优的种群基因。当进行遗传操作时,前一代种群基因和后一代种群基因的适应度函数不发生变化或者接近时,选取该前一代种群基因作为最优的种群基因,即遗传算法的代数选取以增加遗传代数适应度函数不发生明显变化为准。
其它步骤和参数与具体实施方式一至二之一相同。
具体实施方式四:本实施方式步骤3.1所述的Na根据实际的精度要求确定。
其它步骤和参数与具体实施方式三相同。
具体实施方式五:本实施方式步骤3.2所述的阵列最大口径Da=50。
其它步骤和参数与具体实施方式三或四相同。
具体实施方式六:本实施方式所述步骤3中适应度函数构建方法如下:
由于优化的主要目标是阵列的测角性能,因此在构建适应度函数时主要考虑的因素就是代表测角精度的主瓣宽度以及代表测角准确性的最高旁瓣水平这两个性能指标;
步骤3.4:计算主瓣宽度:在波束图F中以波峰点为中心向四周辐射,若搜索范围仍处于主瓣范围内,则该搜索点的值必定比上一个搜索点的值小;若存在某一个搜索点的值比上一个搜索点大的情况,则说明该点已经越过了主瓣与旁瓣之间的波谷位置,到达了旁瓣的范围内;在波束图F中,以波峰点为中心向四周辐射,搜索波峰附近点的值,当某一个搜索点g′的下一个搜索点的值大于该搜索点g′的值,将该搜索点g′所处的位置作为波谷位置,将主瓣四周的波谷点的坐标记录下来得到主瓣的宽度信息;
步骤3.5:计算旁瓣水平值:在主瓣范围以外其它峰点做和求平均值,作为平均旁瓣水平值;
步骤3.6:适应度函数是两部分构成的,按照公式(4)构建适应度函数;
objv=a*mw-b*ssl (4)
mw代表主瓣宽度,ssl代表最高旁瓣水平值的负值,a、b分别为主瓣宽度与旁瓣高度在适应度函数中所占权重。
由于在波束图F中,旁瓣水平是用db值来表示的,因此,最高旁瓣水平越低,其负值的绝对值就越小,相应的适应度值就越小;适应度函数中的mv是主瓣宽度,主瓣宽度越窄,这个值就越小,相应的适应度值也就越小;因此,在遗传算法的选择过程中,应该使适应度值较小的个体被选中的概率较大。
其它步骤和参数与具体实施方式一至五之一相同。
具体实施方式七:本实施方式所述步骤4中适应度函数表示为:
objv′=a′*mw-b′*ssl′
式中,objv′为适应度函数,ssl′为平均旁瓣水平,mw为主瓣宽度;a′、b′分别为主瓣宽度与旁瓣高度在适应度函数中所占权重。
具体实施方式八:本实施方式所述步骤4中利用遗传算法针对每个阵元计算最优加权的过程如下:
步骤4.1:针对J_K阵列的L型阵列,生成一个J+K个基因的染色体,每个基因用一组随机生成的二进制字符串来表示,将J+K个基因的染色体作为遗传算法的初始种群进行遗传,遗传数代后得到适应度函数稳定的种群基因;当进行遗传操作时,前一代种群基因和后一代种群基因的适应度函数不发生变化或者接近时,选取该前一代种群基因作为最优的种群基因,即遗传算法的代数选取以增加遗传代数适应度函数不发生明显变化为准;将稳定的种群基因对应的二进制字符串利用公式(5)转化为十进制,w代表了相应阵元的加权值;
式中,w2为加权值最大取值范围,Na为二进制字符串位数。
公式(5)中加权值最大取值范范围w2是可以任意取的,因为每个阵元的加权值w与阵元接收到的信号强度函数的关系为相乘的关系,各个阵元的加权值扩大相同的倍数对波束图F的影响只表现为主瓣水平和旁瓣水平等比例放大,并不影响最终波束图F的性能,因此只需要求得各个加权间的倍数关系即可,但是加权w2以及二进制字符串位数Na范围的选取关系到了最终的结果的精度,所以Na和w2的取值不能太小,要按实际精度要求选取。
其它步骤和参数与具体实施方式一至七之一相同。
实施例
进行仿真实验,令J=K=13,θk=90度,加权值w取1,并将仿真结果与同口径的均匀矩形阵来进行对比可以得到L型阵列直接波束形成得到波束图F的一些基本性质:图3为13*13均匀矩形阵得到的波束图,图4为13-13L型阵列得到的波束图;其性能对比如表1所示,
表1均匀矩形阵与L型阵列波束图性能对比
根据表1的性能对比可以看出相比于矩形阵,L型阵列优势在于:阵元数目比较少,因此相同口径下,L型阵列成本低,结构简单,易于布阵。而L型阵列的劣势在于:旁瓣水平急剧上升,导致测角精度降低。同时主瓣宽度也有一定的展宽,这也造成测角分辨率的下降。
根据本发明的具体实施方式八进行仿真,在进行联合优化的时候,根据步骤3的方法对阵元结构进行优化,在优化一定的遗传代数以后得到阵元排布,再在这种阵元排布的基础上对每一个阵元的加权值进行遗传优化。
在加权和布阵的联合优化的过程中使用这种二次优化的好处为:相比于将加权和布阵方式在同一个遗传优化过程中同时进行,二次优化可以使得种群中个体染色体的构建变得更加简便,同时减少了遗传算法的计算量,使得算法的效率得以加强。同时,联合优化可以得到比单一优化布阵方式或单一优化加权量时更加性能优异的结果。
为验证本发明的有效性,使用计算机对联合优化进行仿真,具体参数如表2所示
表2联合优化仿真数据
X轴阵元数 | Y轴阵元数 | 信号俯仰角 | 信号方位角 |
12 | 12 | 90 | 45 |
阵元优化种群数量 | 阵元优化遗传代数 | 阵元优化变异概率 | 阵元优化代沟 |
100 | 40 | 0.99% | 0.9 |
加权优化种群数量 | 加权优化遗传代数 | 加权优化变异概率 | 加权优化代沟 |
100 | 40 | 0.99% | 0.9 |
利用遗传算法优化布阵得到的结果如下,该结果在遗传10代以后已经趋于收敛,达到了算法的最优解:
X轴排布:1 1 1 1 1 1 1 1 1 13 25 3
Y轴排布:1 1 1 8 2 4 3 11 5 4 4 6
在得到阵元排布以后,在这个基础上对每个阵元的加权进行了遗传优化,得到的结果如下
X轴加权[5,0,0,0,0,0,0,0,0,5,5,5]
Y轴加权[5,5,5,5,5,5,5,0,5,5,5,5]
得到的波束图如图5所示。
与未优化前相比,优化后性能如表3所示
表3优化后性能
经过联合优化以后最高旁瓣水平得到了显著降低,得到了测角精度以及准确度都有所上升的优秀波束图,本发明的有效性得以验证。
Claims (5)
1.一种基于L型阵列天线的波束形成及波束图优化方法,其特征在于它包括下述步骤:
步骤1:将矩形阵中央部分阵元除去,只保留相邻边界两列阵元所得到的阵列基本结构即为L型阵列;建立一个空间直角坐标系xyz,设天线阵列存在于xy轴组成的平面内,L型阵列的两列阵元分别与x轴,y轴重合,由空间坐标为P(θk,φk,r)入射的某一波束与y、z轴的夹角分别为θk,φk;θk命名为入射信号的俯仰角,φk命名为入射信号的方位角,r是目标到原点的距离;
步骤2:利用二维空间波束形成方法建立天线的波束图F,如公式(1)所示;
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<mi>F</mi>
<mrow>
<mo>(</mo>
<mi>X</mi>
<mo>,</mo>
<mi>Y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>m</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>J</mi>
</munderover>
<mi>w</mi>
<mo>*</mo>
<msup>
<mi>e</mi>
<mrow>
<mi>i</mi>
<mo>*</mo>
<mfrac>
<mrow>
<mn>2</mn>
<mi>&pi;</mi>
</mrow>
<mi>&lambda;</mi>
</mfrac>
<mo>*</mo>
<mrow>
<mo>(</mo>
<mi>m</mi>
<mo>*</mo>
<mo>(</mo>
<mrow>
<mi>d</mi>
<mi>x</mi>
<mo>*</mo>
<mi>s</mi>
<mi>i</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<mi>X</mi>
<mo>)</mo>
</mrow>
<mo>*</mo>
<mi>cos</mi>
<mrow>
<mo>(</mo>
<mi>Y</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>d</mi>
<mi>x</mi>
<mo>*</mo>
<mi>sin</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>&theta;</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mo>)</mo>
<mo>*</mo>
<mi>c</mi>
<mi>o</mi>
<mi>s</mi>
<mo>(</mo>
<msub>
<mi>&phi;</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
<mo>+</mo>
<mi>d</mi>
<mi>y</mi>
<mo>*</mo>
<mi>sin</mi>
<mo>(</mo>
<mi>X</mi>
<mo>)</mo>
<mo>*</mo>
<mi>sin</mi>
<mo>(</mo>
<mi>Y</mi>
<mo>)</mo>
<mo>-</mo>
<mi>d</mi>
<mi>y</mi>
<mo>*</mo>
<mi>sin</mi>
<mo>(</mo>
<msub>
<mi>&theta;</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
<mo>*</mo>
<mi>sin</mi>
<mo>(</mo>
<msub>
<mi>&phi;</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
<mo>)</mo>
</mrow>
</mrow>
</msup>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>n</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>K</mi>
</munderover>
<mi>w</mi>
<mo>*</mo>
<msup>
<mi>e</mi>
<mrow>
<mi>i</mi>
<mo>*</mo>
<mfrac>
<mrow>
<mn>2</mn>
<mi>&pi;</mi>
</mrow>
<mi>&lambda;</mi>
</mfrac>
<mo>*</mo>
<mrow>
<mo>(</mo>
<mi>d</mi>
<mi>x</mi>
<mo>*</mo>
<mi>s</mi>
<mi>i</mi>
<mi>n</mi>
<mo>(</mo>
<mi>X</mi>
<mo>)</mo>
<mo>*</mo>
<mi>cos</mi>
<mo>(</mo>
<mi>Y</mi>
<mo>)</mo>
<mo>-</mo>
<mi>d</mi>
<mi>x</mi>
<mo>*</mo>
<mi>sin</mi>
<mo>(</mo>
<msub>
<mi>&theta;</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>*</mo>
<mi>c</mi>
<mi>o</mi>
<mi>s</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>&phi;</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>n</mi>
<mo>*</mo>
<mrow>
<mo>(</mo>
<mi>d</mi>
<mi>y</mi>
<mo>*</mo>
<mi>sin</mi>
<mo>(</mo>
<mi>X</mi>
<mo>)</mo>
<mo>*</mo>
<mi>sin</mi>
<mo>(</mo>
<mi>Y</mi>
<mo>)</mo>
<mo>-</mo>
<mi>d</mi>
<mi>y</mi>
<mo>*</mo>
<mi>sin</mi>
<mo>(</mo>
<msub>
<mi>&theta;</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
<mo>*</mo>
<mi>s</mi>
<mi>i</mi>
<mi>n</mi>
<mo>(</mo>
<msub>
<mi>&phi;</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
<mo>)</mo>
</mrow>
</mrow>
</msup>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,J和K分别是x轴、y轴上的阵元个数;i是复数;λ是接收信号的波长;X、Y是波束图的坐标;dx、dy分别是x轴、y轴上阵元间的单位距离间隔;*表示相乘;θk、分别为入射信号的俯仰角与方位角;w为各阵元对应的加权值;
步骤3:通过L型阵列的阵元数算出阵列最大口径Da,然后对L型阵列的阵列结构进行编码、调整,将结构信息转化为数字信息,并且保存为遗传算法的初始种群,构建适应度函数,利用遗传算法对初始种群进行遗传操作,以波束图性能为优化目标对L型阵列进行布阵优化,遗传数代后,得到一个优化后非均匀L型阵列阵元排布;
对L型阵列的阵列结构进行编码、调整的具体实施步骤如下:
步骤3.1:针对J_K阵列的L型阵列进行编码:
将L型阵列看做一个染色体,针对J_K阵列,在形成个体的基因时,用J+K组随机生成的二进制字符串来表示该J_K阵列,二进制数字串的位数为Na,把每一个二进制字符串称为染色体上的一个基因;每个二进制字符串所代表的意义是当前阵元和前一个阵元的阵元间距,生成J+K个基因,作为遗传算法的初始种群保存,用遗传算法对于初始种群进行遗传操作;
步骤3.2:当进行遗传操作时,对每代J+K个阵元间距D进行调整:
当进行遗传操作时,将每代J+K个二进制字符串转化为十进制数字,十进制数字的值代表当前阵元和前一阵元的阵元间距;二进制字符串转化十进制数字可以利用公式(3)来进行计算,即将二进制字符串还原后得到阵元间距D;
<mrow>
<mi>D</mi>
<mo>=</mo>
<mo>|</mo>
<mfrac>
<mrow>
<mi>N</mi>
<mn>7</mn>
</mrow>
<mrow>
<msup>
<mn>2</mn>
<mrow>
<mi>N</mi>
<mi>a</mi>
</mrow>
</msup>
<mo>-</mo>
<mn>1</mn>
</mrow>
</mfrac>
<mo>|</mo>
<mo>*</mo>
<mi>D</mi>
<mi>a</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,N7代表的是随机生成的二进制字符串,|·|代表取整,Da是阵列最大口径;Na为二进制字符串位数;
计算前J个阵元的位置时,生成每个阵元间距D后并对其进行计数,累计计算出整体口径的值,若阵元间距D的累计值即将超出阵列最大口径Da,则强制性的将后面阵元的阵元间距都调整为1;
对后K个阵元的调整方法与前J个阵元相同;
步骤3.3:当进行遗传操作时,初始的第一代种群由编码得到,同时进行一次调整,并对这代遗传基因构建一次适应度函数;之后每进行一代遗传时,进行一次调整,并对这代遗传基因构建一次适应度函数;遗传数代后得到最优的种群基因;
适应度函数构建方法如下:
步骤3.4:计算主瓣宽度:在波束图F中,以波峰点为中心向四周辐射,搜索波峰附近点的值,当某一个搜索点g′的下一个搜索点的值大于该搜索点g′的值,将该搜索点g′所处的位置作为波谷位置,将主瓣四周的波谷点的坐标记录下来得到主瓣的宽度信息;
步骤3.5:计算旁瓣水平值:在主瓣范围以外其它峰点做和求平均值,作为平均旁瓣水平值;
步骤3.6:适应度函数是两部分构成的,按照公式(4)构建适应度函数;
objv=a*mw-b*ssl (4)
mw代表主瓣宽度,ssl代表最高旁瓣水平值的负值,a、b分别为主瓣宽度与旁瓣高度在适应度函数中所占权重;
步骤4:在步骤3已经得到阵列排布的基础上,进一步建立适应度函数,适应度函数表示为objv′=a′*mw-b′*ssl′,式中ssl′为平均旁瓣水平,mw为主瓣宽度,a′、b′分别为主瓣宽度与旁瓣高度在适应度函数中所占权重;利用遗传算法,针对L型阵列每个阵元计算最优的加权值w;将步骤3得到的阵列排布带入公式(1);将得到L型阵列每个阵元的加权值w带入公式(1),计算出相同阵元条件下性能最优的波束图F,完成波束图优化。
2.根据权利要求1所述的一种基于L型阵列天线的波束形成及波束图优化方法,其特征在于步骤3中阵列最大口径Da的计算步骤如下:
针对J_K阵列的L型阵列,利用公式(2)来分别计算阵列x轴和y轴的阵列最大口径:
<mrow>
<mi>D</mi>
<mi>a</mi>
<mo>=</mo>
<mfrac>
<mrow>
<mi>N</mi>
<mrow>
<mo>(</mo>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
<mn>2</mn>
</mfrac>
<mo>-</mo>
<msub>
<mi>N</mi>
<mi>R</mi>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
式中:N=J或者K,表示x轴或y轴的阵元个数;NR表示冗余的数目。
3.根据权利要求2所述的一种基于L型阵列天线的波束形成及波束图优化方法,其特征在于步骤3.1所述的Na根据实际的精度要求确定。
4.根据权利要求3所述的一种基于L型阵列天线的波束形成及波束图优化方法,其特征在于步骤3.2所述的阵列最大口径Da=50。
5.根据权利要求1所述的一种基于L型阵列天线的波束形成及波束图优化方法,其特征在于步骤4中利用遗传算法针对每个阵元计算最优加权的过程如下:
步骤4.1:针对J_K阵列的L型阵列,生成一个J+K个基因的染色体,每个基因用一组随机生成的二进制字符串来表示,将J+K个基因的染色体作为遗传算法的初始种群进行遗传,遗传数代后得到适应度函数稳定的种群基因;将稳定的种群基因对应的二进制字符串利用公式(5)转化为十进制,w代表了相应阵元的加权值;
<mrow>
<mi>w</mi>
<mo>=</mo>
<mfrac>
<msub>
<mi>w</mi>
<mn>2</mn>
</msub>
<msup>
<mn>2</mn>
<mrow>
<mi>N</mi>
<mi>a</mi>
</mrow>
</msup>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
式中,w2为加权值最大取值范围,Na为二进制字符串位数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510341877.1A CN104992000B (zh) | 2015-06-18 | 2015-06-18 | 一种基于l型阵列天线的波束形成及波束图优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510341877.1A CN104992000B (zh) | 2015-06-18 | 2015-06-18 | 一种基于l型阵列天线的波束形成及波束图优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104992000A CN104992000A (zh) | 2015-10-21 |
CN104992000B true CN104992000B (zh) | 2018-03-16 |
Family
ID=54303814
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510341877.1A Active CN104992000B (zh) | 2015-06-18 | 2015-06-18 | 一种基于l型阵列天线的波束形成及波束图优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104992000B (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018006417A1 (zh) * | 2016-07-08 | 2018-01-11 | 富士通株式会社 | 波束传输方法、装置以及通信系统 |
CN106407549B (zh) * | 2016-09-12 | 2019-09-10 | 哈尔滨工业大学 | 一种基于遗传算法的阵列天线方向图综合优化方法 |
CN106802403B (zh) * | 2017-02-22 | 2019-05-21 | 西安电子科技大学 | 声矢量传感器二维阵列music解相干参数估计方法 |
CN107275801B (zh) * | 2017-05-16 | 2019-06-04 | 李耘 | 一种l型阵列天线的基于获得性遗传的阵元排布方法 |
CN107436970B (zh) * | 2017-07-06 | 2020-04-28 | 西安电子工程研究所 | 基于序列二次规划的三坐标雷达赋形方向图设计方法 |
CN108254740B (zh) * | 2018-01-21 | 2022-01-07 | 南京理工大学 | 基于非均匀阵元间距的频率分集阵列雷达的波束综合方法 |
CN108920767B (zh) * | 2018-06-07 | 2019-09-10 | 河海大学 | 余割平方和合成相位双约束波瓣阵列天线优化设计方法 |
CN109037969B (zh) * | 2018-07-31 | 2019-10-15 | 中国人民解放军火箭军工程大学 | 一种卫星动中通天线阵列的布阵方法及布阵系统 |
CN111353605B (zh) * | 2020-01-03 | 2023-07-25 | 电子科技大学 | 基于改进遗传算法的新型平面分子阵天线阵列综合布阵方法 |
CN111585045B (zh) * | 2020-05-20 | 2022-04-12 | 西安黄河机电有限公司 | 一种多联骨牌稀布天线及其布阵方法 |
CN112213602A (zh) * | 2020-09-29 | 2021-01-12 | 上海电机学院 | 一种改进的波束形成多远十字阵定位方法 |
CN112688724A (zh) * | 2020-11-17 | 2021-04-20 | 西安电子科技大学 | 基于mimo技术的集群目标协同应答方法及询问应答系统 |
CN113010986B (zh) * | 2021-03-17 | 2023-02-14 | 西北大学 | 一种基于强化学习与随机优化算法的天线阵列设计方法 |
CN114428236B (zh) * | 2022-04-06 | 2022-07-01 | 南京楚航科技有限公司 | 一种车载毫米波雷达角度置信度估计方法 |
CN115332780A (zh) * | 2022-06-27 | 2022-11-11 | 中国舰船研究设计中心 | 一种超宽带能量选择表面设计及优化方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5774690A (en) * | 1995-09-14 | 1998-06-30 | The United States Of America As Represented By The Secetary Of The Navy | Method for optimization of element placement in a thinned array |
CN1588699A (zh) * | 2004-07-30 | 2005-03-02 | 摩比天线技术(深圳)有限公司 | 阵列天线优化增益赋形方法 |
CN1625281A (zh) * | 2003-12-01 | 2005-06-08 | 皇家飞利浦电子股份有限公司 | 用于具有多个天线阵元的移动终端的通信方法及装置 |
CN103323810A (zh) * | 2013-06-07 | 2013-09-25 | 哈尔滨工业大学 | 一种l阵方位角和俯仰角配对的信号处理方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011033388A2 (en) * | 2009-09-16 | 2011-03-24 | Agence Spatiale Europeenne | Aperiodic and non-planar array of electromagnetic scatterers, and reflectarray antenna comprising the same |
-
2015
- 2015-06-18 CN CN201510341877.1A patent/CN104992000B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5774690A (en) * | 1995-09-14 | 1998-06-30 | The United States Of America As Represented By The Secetary Of The Navy | Method for optimization of element placement in a thinned array |
CN1625281A (zh) * | 2003-12-01 | 2005-06-08 | 皇家飞利浦电子股份有限公司 | 用于具有多个天线阵元的移动终端的通信方法及装置 |
CN1588699A (zh) * | 2004-07-30 | 2005-03-02 | 摩比天线技术(深圳)有限公司 | 阵列天线优化增益赋形方法 |
CN103323810A (zh) * | 2013-06-07 | 2013-09-25 | 哈尔滨工业大学 | 一种l阵方位角和俯仰角配对的信号处理方法 |
Non-Patent Citations (2)
Title |
---|
《基于凸优化的雷达波形设计及阵列方向图综合算法研究》;何学辉;《中国博士学位论文全文数据库 信息科技辑》;20101015(第10期);摘要、第6-7章 * |
《稀布阵列天线的阵元分布优化设计研究》;黄伟;《中国优秀硕士学位论文全文数据库 信息科技辑》;20130715(第7期);摘要、第2章 * |
Also Published As
Publication number | Publication date |
---|---|
CN104992000A (zh) | 2015-10-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104992000B (zh) | 一种基于l型阵列天线的波束形成及波束图优化方法 | |
CN107944133B (zh) | 基于多目标量子蜘蛛群演化机制的环形天线阵列稀疏方法 | |
CN105426578A (zh) | 一种基于遗传算法的mimo-sar面阵天线阵元位置优化方法 | |
CN109725294B (zh) | 基于改进遗传算法的雷达阵列稀疏优化方法 | |
CN104993251B (zh) | 一种大型平面阵列天线方向图综合级联优化方法 | |
CN111160556B (zh) | 一种基于自适应遗传算法的阵列稀疏优化方法 | |
CN111313158B (zh) | 对圆形状阵列进行稀疏的方法 | |
CN109885872A (zh) | 一种基于差分进化算法的均匀面阵稀疏优化方法 | |
CN106342323B (zh) | 相控阵雷达差波束旁瓣抑制的子阵加权值确定方法 | |
CN107302140B (zh) | 基于量子蜘蛛群演化机制的平面天线阵列稀疏方法 | |
CN109241576B (zh) | 基于蚁狮算法的稀疏天线方向图综合方法 | |
CN103810325A (zh) | 基于序列二次规划的低旁瓣线性稀布阵列天线优化方法 | |
CN112100701B (zh) | 基于遗传算法的二维分布式天线子阵位置优化方法 | |
CN104900988A (zh) | 一种改变辅助栅格圆半径来设计稀布圆形天线阵列的方法 | |
CN102195701A (zh) | 只利用一种模拟加权的平面相控阵和波束与差波束旁瓣抑制方法 | |
CN104750944A (zh) | 一种快速的平面稀疏阵列综合方法 | |
CN105762533A (zh) | 基于模块化的8单元l形子阵的应用方法及其应用装置 | |
CN107658573B (zh) | 一种基于量子搜寻者搜索机制的圆环阵方向图综合方法 | |
CN109194509B (zh) | 一种基于路径强弱关系和社区信息的预测网络连边的方法 | |
CN105024166A (zh) | 基于子阵的平面阵列天线方向图综合方法 | |
CN109271735B (zh) | 基于量子启发式引力搜索算法的阵列方向图综合方法 | |
CN114371447A (zh) | 基于改进遗传算法的子阵级分布式频控阵旁瓣抑制方法 | |
CN114399044A (zh) | 一种子阵级稀疏阵列发射波束旁瓣电平优化方法 | |
CN111323742B (zh) | 一种基于曲线阵列的相位干涉仪及其测向方法 | |
CN110427669B (zh) | 一种相控阵扫描辐射波束的神经网络模型计算方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Wei Yinsheng Inventor after: Xu Rongqing Inventor after: Yu Lei Inventor after: Chen Wenchi Inventor before: Wei Yinsheng Inventor before: Chen Wenchi |
|
GR01 | Patent grant | ||
GR01 | Patent grant |